1.一种基于正则化极限学习机的服装图像类别电子标注方法，其特征在于，包括以下步骤：步骤1：获取图像，得到数据集，所述图像包括若干个类别的服装图像照片，将所述照片的长宽大小全部都设置为统一大小，经过正则化处理，映射到正态分布函数之下，再转换为用于输入到ResNet101模型中的矩阵；

步骤2：得到基于迁移学习的ResNet101特征提取网络

构建网络模型ResNet101，并使用ImageNet数据集进行预训练，获得初始网络模型ResNet101，及所述初始网络模型ResNet101的权重参数，对所述初始网络模型ResNet101进行迁移学习，然后对所述初始网络模型ResNet101网络参数进行微调，得到ResNet101特征提取网络；

步骤3：使用所述ResNet101特征提取网络进行图像特征提取

将步骤1中得到的所述数据集分为训练集和测试集，将训练集中的数据输入步骤2中得到的所述ResNet101特征提取网络，得到服装图像特征；

步骤4：使用INFO算法优化RELM分类器

(4.1)获取所述INFO算法的参数，获取所述RELM分类器的激活函数与隐含层节点，所述INFO算法参数包括初始种群大小和最大迭代次数；

(4.2)构建INFO算法的优化RELM分类器模型INFORELM，使用步骤3中得到的所述服装图像特征，结合INFO算法，计算得到INFORELM模型的输入权重、隐含层偏置和正则化系数，INFORELM的输出权重β，进而得到优化后的INFORELM模型；

步骤5：获取待处理图像，使用优化后的INFORELM模型进行处理，输出图像的电子标注。

2.如权利要求1所述的一种基于正则化极限学习机的服装图像类别电子标注方法，其特征在于，所述步骤1中，所述图像来自Fashion-Mnist数据集，所述若干个类别包括以下10个类别：Ankle Boot、Bag、Coat、Dress、Pullover、Sandal、Shirt、Sneaker、Trouser、T-Shirt。

3.如权利要求1所述的一种基于正则化极限学习机的服装图像类别电子标注方法，其特征在于，所述步骤4中，获取所述INFO算法参数，包括以下步骤：将初始种群大小设置为5、10、15、20、25、30、35、40、45、50，最大迭代次数设置为10、20、30、40、50、70、80、90、100，对不同的初始种群大小和最大迭代次数进行组合，测试不同组合条件下INFO算法的分类性能，选择分类性能最好的组合作为所述INFO算法参数。

4.如权利要求3所述的一种基于正则化极限学习机的服装图像类别电子标注方法，其特征在于，所述INFO算法参数具体为：初始种群大小25，最大迭代次数70。

5.如权利要求4所述的一种基于正则化极限学习机的服装图像类别电子标注方法，其特征在于，所述步骤4中，所述RELM分类器的激活函数为Sigmoid；所述隐含层节点数为80。